【技术实现步骤摘要】
本申请属于电机变频控制，具体涉及一种电机非线性动态控制的智能化变频器及方法。
技术介绍
1、电机变频器，又叫做电机变频驱动器或变速驱动器（下文统称为变频器），主要作用是控制交流电机的速度和扭矩。变频器通过调整电机供电的频率和电压来实现对电机转速和扭矩的精确控制。变频器将外部输入的交流电转化为平滑、稳定的直流电，进而通过逆变器，再次转化为频率可控的交流电，输出至电机作为驱动；通过控制和改变输出的交流电的频率，精确调控电机的转速和扭矩。
2、运动矢量算法（也称为矢量控制法或场向量控制法）是电机的变频器所采用的一种先进的控制算法。该算法目标是提高电机控制的精度和动态响应速度。运动矢量算法的过程主要包括：首先，将电机的定子电流从三相交流坐标系（通常为a, b, c三相）转换到两相旋转坐标系（通常为d-q轴）；执行矢量分解，在d-q轴坐标系中，电机的定子电流被分解为与转子磁场同步旋转的直轴（d轴）分量和垂直轴（q轴）分量，d轴分量负责产生磁通，而q轴分量负责产生扭矩；根据电机的工作状态和控制目标，通过独立调节d轴和q轴的电流，来精确控制电动机的磁场和扭矩；计算得到的针对d轴和q轴的电流控制信号，经过逆park变换和逆clarke变换，再转换为三相交流信号，用于控制变频器的逆变器驱动电机；逆变器根据转换后的信号，通过调制技术（如脉宽调制pwm）来调整输出给电机的电压和频率，以控制电机的速度和扭矩。运动矢量算法允许独立控制电机的磁通和扭矩，实现更精确的速度和扭矩控制，改善动态响应，通过快速调整电流分量，使电机能够迅速响应负载变化；
3、但是，电机的动态特性通常是非线性的，运动矢量算法在处理非线性特性时可能存在一定的局限性。具体来说，电机具有非线性的动态特性通常包括：当电机的磁路接近或达到饱和状态时，电机的电感和磁通将不再是线性关系；电机的扭矩-速度曲线，特别是在低速范围内，扭矩和速度之间往往是非线性关系。运动矢量算法在处理这些非线性特性时可能存在的局限性包括：首先，模型准确性受限，运动矢量控制算法通常基于电机的数学模型，如果模型未能准确描述电机的非线性特性，控制性能会受到影响；其次，参数变化适应性降低，电机参数（如电阻、电感）可能会随着温度、频率等因素变化，如果算法不能实时适应这些变化，将会降低控制精度；以及，运动矢量控制算法需要实时计算和反馈调整，如果算法的计算速度跟不上电机动态变化的速度，或者存在系统延迟，将影响控制效果。
技术实现思路
1、基于以上技术问题，本申请提出一种电机非线性动态控制的智能化变频器及方法。
2、本专利技术提出的一种电机非线性动态控制的智能化变频器，其特征在于，包括：电机数据采集模块、电机非线性动态特性建模模块、运动矢量调整模块、反馈校正模块；
3、所述电机数据采集模块用于采集电机在不同工况下的实时运行数据；
4、所述电机非线性动态特性建模模块用于建立和训练根据电机的所述实时运行数据实现扭矩和速度预测的神经网络模型；所述神经网络模型采用基于多层感知器的vae编码器和vae解码器的模型结构；
5、所述运动矢量调整模块依据训练好的神经网络模型预测获得的电机扭矩和速度预测值，实时调整电机的d轴和q轴电流分量，以精确控制转速和扭矩；
6、所述反馈校正模块对电机实际扭矩和转速保持监测，并且与vae解码器的神经网络模型的预测值进行比较，根据两者之间的差异，对vae编码器和vae解码器的神经网络模型进行反馈校正。
7、优选的是，所述电机数据采集模块采集的实时运行数据包括：电机的扭矩、转速、电机输入电流、定子各相电流、供电电压、各相电压、温度参数、电机功率因数。
8、优选的是，所述电机数据采集模块在电机启动、运行和停止的全过程中进行持续监控和记录，并且在电机的各种工况下采集以上实时运行数据。
9、优选的是，所述vae编码器对电机的所述实时运行数据根据其时序，合并转化为电机的实时运行特征向量，对该实时运行特征向量进行编码；通过编码学习该实时运行特征向量的潜在分布，将该电机的实时运行特征向量映射为在一个潜在空间内的参数表示。
10、优选的是，vae编码器使用多层感知器，多层感知器采用前馈型神经网络，包含输入层、若干隐藏层和输出层；并且，所述vae编码器包括多个全连接层，每个全连接层都有一组权重和偏置参数；并且，自注意力机制通过计算每层的输出向量中不同位置之间的相似度，来获取特征向量中不同位置的交互信息；将自注意力交互后的特征向量作为下一层的输入，直至最终获得潜在空间的均值和方差。
11、优选的是，所述vae解码器，将vae编码器提供的潜在空间的参数表示映射为重构的预测特征，该预测特征表示对电机扭矩和速度的预测值。
12、优选的是，所述电机非线性动态特性建模模块利用反向传播算法进行权重和偏置的更新，以减小模型输出与实际输出之间的误差；训练过程中采用均方误差作为损失函数，用于评估模型预测值与实际值之间的差异。
13、优选的是，所述运动矢量调整模块将所述电机非线性动态特性建模模块训练好的神经网络模型嵌入到变频驱动器的控制系统；通过电机数据采集模块，在电机运行过程中进行实时数据采集，实时监测电机的扭矩、转速、电机输入电流、定子各相电流、供电电压、各相电压、温度参数、电机功率因数这些运行参数，并将这些数据作为vae编解码器神经网络模型的输入，神经网络模型将即时预测出电机在当前工况下的扭矩和转速的预测值。
14、优选的是，所述运动矢量调整模块根据对电机扭矩和转速动态变化的预测结果，计算出需要施加到电机d轴和q轴上的电流分量，以实现预期的转速和扭矩控制；针对d轴和q轴的电流控制信号，通过内置的逆变器，根据逆转换后的d轴和q轴电流控制信号，通过脉宽调制pwm来调整输出给电机的电压和频率，以控制电机的速度和扭矩。
15、本专利技术提供了一种电机非线性动态控制智能化变频方法，其特征在于，包括以下步骤：
16、采集电机在不同工况下的实时运行数据；
17、建立和训练根据电机的所述实时运行数据实现扭矩和速度预测的神经网络模型；所述神经网络模型采用基于多层感知器的vae编码器和vae解码器的模型结构；
18、依据训练好的神经网络模型预测获得的电机扭矩和速度预测值，实时调整电机的d轴和q轴电流分量，以精确控制转速和扭矩；
19、对电机实际扭矩和转速保持监测，并且与vae解码器的神经网络模型的预测值进行比较，根据两者之间的差异，对vae编码器和vae解码器的神经网络模型进行反馈校正。
20、从而，本专利技术基于采集电机在多种运行工况状态下的实时运行参数，以构建和训练的vae编解码机制的mlp神经网络模型为基础，实现对电机扭矩和转速非线性动态特性的精准捕捉和预测描述，进而基于预测实现更为有效的运动矢量算法调控，对电机实现更精确的速度和扭矩控制，改善电机对负本文档来自技高网...
【技术保护点】
1.一种电机非线性动态控制的智能化变频器，其特征在于，包括：电机数据采集模块、电机非线性动态特性建模模块、运动矢量调整模块、反馈校正模块；
2.根据权利要求1所述的电机非线性动态控制的智能化变频器，其特征在于，所述电机数据采集模块采集的实时运行数据包括：电机的扭矩、转速、电机输入电流、定子各相电流、供电电压、各相电压、温度参数、电机功率因数。
3.根据权利要求2所述的电机非线性动态控制的智能化变频器，其特征在于，所述电机数据采集模块在电机启动、运行和停止的全过程中进行持续监控和记录，并且在电机的各种工况下采集以上实时运行数据。
4.根据权利要求3所述的电机非线性动态控制的智能化变频器，其特征在于，所述VAE编码器对电机的所述实时运行数据根据其时序，合并转化为电机的实时运行特征向量，对该实时运行特征向量进行编码；通过编码学习该实时运行特征向量的潜在分布，将该电机的实时运行特征向量映射为在一个潜在空间内的参数表示。
5.根据权利要求4所述的电机非线性动态控制的智能化变频器，其特征在于，VAE编码器使用多层感知器，多层感知器采用前馈型神经
6.根据权利要求5所述的电机非线性动态控制的智能化变频器，其特征在于，所述VAE解码器，将VAE编码器提供的潜在空间的参数表示映射为重构的预测特征，该预测特征表示对电机扭矩和速度的预测值。
7.根据权利要求6所述的电机非线性动态控制的智能化变频器，其特征在于，所述电机非线性动态特性建模模块利用反向传播算法进行权重和偏置的更新，以减小模型输出与实际输出之间的误差；训练过程中采用均方误差作为损失函数，用于评估模型预测值与实际值之间的差异。
8.根据权利要求7所述的电机非线性动态控制的智能化变频器，其特征在于，所述运动矢量调整模块将所述电机非线性动态特性建模模块训练好的神经网络模型嵌入到变频驱动器的控制系统；通过电机数据采集模块，在电机运行过程中进行实时数据采集，实时监测电机的扭矩、转速、电机输入电流、定子各相电流、供电电压、各相电压、温度参数、电机功率因数这些运行参数，并将这些数据作为VAE编解码器神经网络模型的输入，神经网络模型将即时预测出电机在当前工况下的扭矩和转速的预测值。
9.根据权利要求8所述的电机非线性动态控制的智能化变频器，其特征在于，所述运动矢量调整模块根据对电机扭矩和转速动态变化的预测结果，计算出需要施加到电机d轴和q轴上的电流分量，以实现预期的转速和扭矩控制；针对d轴和q轴的电流控制信号，通过内置的逆变器，根据逆转换后的d轴和q轴电流控制信号，通过脉宽调制PWM来调整输出给电机的电压和频率，以控制电机的速度和扭矩。
10.一种电机非线性动态控制智能化变频方法，其特征在于，包括以下步骤：
...【技术特征摘要】
1.一种电机非线性动态控制的智能化变频器，其特征在于，包括：电机数据采集模块、电机非线性动态特性建模模块、运动矢量调整模块、反馈校正模块；
2.根据权利要求1所述的电机非线性动态控制的智能化变频器，其特征在于，所述电机数据采集模块采集的实时运行数据包括：电机的扭矩、转速、电机输入电流、定子各相电流、供电电压、各相电压、温度参数、电机功率因数。
3.根据权利要求2所述的电机非线性动态控制的智能化变频器，其特征在于，所述电机数据采集模块在电机启动、运行和停止的全过程中进行持续监控和记录，并且在电机的各种工况下采集以上实时运行数据。
4.根据权利要求3所述的电机非线性动态控制的智能化变频器，其特征在于，所述vae编码器对电机的所述实时运行数据根据其时序，合并转化为电机的实时运行特征向量，对该实时运行特征向量进行编码；通过编码学习该实时运行特征向量的潜在分布，将该电机的实时运行特征向量映射为在一个潜在空间内的参数表示。
5.根据权利要求4所述的电机非线性动态控制的智能化变频器，其特征在于，vae编码器使用多层感知器，多层感知器采用前馈型神经网络，包含输入层、若干隐藏层和输出层；并且，所述vae编码器包括多个全连接层，每个全连接层都有一组权重和偏置参数；并且，自注意力机制通过计算每层的输出向量中不同位置之间的相似度，来获取特征向量中不同位置的交互信息；将自注意力交互后的特征向量作为下一层的输入，直至最终获得潜在空间的均值和方差。
6.根据权利要求5所述的电机非线性动...
【专利技术属性】
技术研发人员：徐振刚，
申请(专利权)人：深圳市艾普希隆科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。